Laboratorio di Fisica I Prima Esperienza Distribuzione Statistica delle Misure del Periodo di un Pendolo
|
|
- Marcello Corsini
- 5 anni fa
- Visualizzazioni
Transcript
1 Università degli Studi di Udine Corsi di Laurea in Ingegneria Laboratorio di Fisica I Prima Esperienza Distribuzione Statistica delle Misure del Periodo di un Pendolo 1 Introduzione Lo scopo principale di questa esperienza è quello di apprendere i concetti fondamentali della teoria degli errori attraverso l analisi statistica dei dati sperimentali. ell esperienza verranno effettuate delle misure ripetute del periodo di un pendolo (del tipo di quello mostrato in Figura 1) e con le serie di dati così ottenute verranno costruiti degli istogrammi al fine di studiarne la distribuzione e verificare l andamento normale. q Figura 1: Pendolo Le misure del periodo saranno effettuate per mezzo di un cronometro computerizzato. Sebbene il risultato di ogni misura corrisponderà ad una singola valutazione del periodo suddetto, al fine di migliorarne la precisione, sarà bene effettuare la misura di tempo su più oscillazioni del pendolo (ad esempio 5). 1
2 Il periodo di oscillazione di un pendolo è, in generale, funzione della sua ampiezza di oscillazione. Solo per piccoli angoli, le oscillazioni del pendolo diventano isocrone (e cioé indipendenti dall angolo di oscillazione). Ovviamente, dato che in tale esperienza si vuole avere a che fare con un oscillazione con periodo costante, le misure dovranno essere effettuate controllando che: i) gli angoli di oscillazione siano piccoli (si suggerisce un angolo massimo di oscillazione θ max < 15 ); ii) ripetendo le misure l angolo di partenza sia (essenzialmente) sempre lo stesso. 2 Raccolta dei dati e costruzione degli istogrammi Le serie di dati ottenuti con le misure del periodo possono essere raccolti in tabelle. Dalle nozioni di teoria degli errori abbiamo imparato che, in genere, le misure sperimentali si distribuiscono secondo la distribuzione normale (o distribuzione di Gauss) corrispondente alla funzione seguente f(x) = 1 e (x µ)2 2σ 2 (1) 2πσ dove le quantità µ e σ corrispondono rispettivamente al valor medio x e alla deviazione standard della popolazione associata alla grandezza considerata. Quindi, una volta ottenute una serie di misure del periodo x i (sebbene siano dei tempi li indicheremo con la quantità x), la prima cosa da fare sarà quella di calcolarne il valor medio x = 1 x i. (2) In generale, avendo un campione finito (abbiamo a disposizione solo misure), il valore che otteniamo per x sarà diverso da quello dell intera popolazione; ci spettiamo che tanto più grande sarà tanto meglio x si approssimerà µ. Per quanto riguarda la deviazione standard, come discusso nelle note dedicate alla Teoria degli Errori, converrà considerare quella del campione e cioè σ c = 1 1 i=1 (x i x) 2, (3) che nel limite di approssimerà la deviazione standard della popolazione σ = 1 (x i x) 2, (4) i=1 presente nell espressione (1) della distribuzione normale. I valori di x e di σ c ci danno un idea del centro della distribuzione e della semi larghezza della stessa. Per studiare la distribuzione reale delle misure e valutare l accordo con la distribuzione normale, con esse possiamo costruire un istogramma che è un diagramma bidimensionale molto usato per la visualizzazione dei dati. Per la sua costruzione abbiamo bisogno di definire, prima di tutto, la larghezza dell intervallo corrispondente alla larghezza dei cosiddetti bin dell istogramma. In effetti, la forma dell istogramma può essere fortemente influenzata, oltre che dal numero di dati a disposizione, anche dalla larghezza del bin. Quindi, analizzando i dati si valutano i corrispondenti valori minimo, x min, e massimo, x max, e poi si sceglie il numero n di parti in cui suddividere l intervallo x min x max. Dato 2 i=1
3 che σ c è strettamente correlato alla larghezza della distribuzione dei dati, una buona strategia può essere quella di scegliere il numero n in modo che la larghezza dei bin dell istogramma sia dell ordine di, ad esempio, 1 3 σ c. In questo modo, l intervallo x min x max risulterà diviso in n intervalli di larghezza x = (x max x min )/n e, per la costruzione dell istogramma, non dobbiamo fare altro che contare il numero n j di misure che cadono nel j esimo bin corrispondente ai valori x min + (j 1) x x i x min + j x. Costruendo poi su ognuno degli n intervallini un rettangolo di base x e altezza n j : otterremo l istogramma cercato che potrebbe avere una forma del tipo di quella riportata in Figura 2 (solo a titolo di esempio). Istogramma di 1 misure numero di misure x Figura 2: Istogramma delle 1 misure della lunghezza di una sbarra. el costruire l istogramma l intervallo x min x max è stato suddiviso in 2 intervalli. 3 Eventuale eliminazione di dati Prima della costruzione dell istogramma è utile considerare una veloce analisi dei dati al fine di controllare quanto essi siano, per così dire, coerenti con la distribuzione normale alla quale si suppone che essi appartengano. Come accennato nella sezione 2.5 delle note dedicate alla Teoria degli Errori, per dati che seguono la distribuzione normale, ci si aspetta che il 99.7% di essi cadano in un intervallo di semi larghezza 3σ centrato sul valor medio x. Pertanto, sarebbe bene verificare se nella serie di misure qualcuno dei dati cade al di fuori dall intervallo suddetto. In tal caso, quei dati dovrebbero essere eliminati. Dopo l eventuale eliminazione, con i rimanenti dati si devono ricalcolare sia il valor medio che la deviazione standard. Per le ragioni menzionate nella suddetta sezione 2.5, è bene applicare il presente criterio di eliminazione dati solo una volta! 3
4 4 Trattazione dei dati e confronto tra gli istogrammi e la distribuzione normale Al fine di chiarire i vari aspetti dell analisi statistica delle misure del periodo del pendolo, in questa sezione consideriamo l analisi di dati simulati. In effetti, grazie all uso del computer e di opportuni programmi è possibile produrre delle serie di dati che seguono il comportamendo che ci si aspetta in un esperimento. In relazione al nostro esperimento, considereremo delle serie di numeri casuali che seguono la distribuzione normale (del tipo della (1)) imponendo che tale distribuzione sia caratterizzata da specifici valori di µ e σ. In base alle precedenti considerazioni e allo scopo di ottenere dei dati simulati con valori e distribuzione in linea con quelli del periodo dei pendoli che troveremo in laboratorio, abbiamo scelto di impostare il generatore di numeri casuali gaussiani con µ = 2. s e σ = s. Quindi si sono generate tre serie di dati costituite rispettivamente da 3, 3, e 3 dati. ella Tabella 1 sono riportati gli effettivi valori medi x e deviazioni standard σ c delle tre serie di dati. x (s) σ c (s) Tabella 1: Medie e deviazioni standard del campione per i 3 gruppi di dati ottenuti con il generatore di numeri casuali gaussiani. Analogamente, in Figura 3, sono mostrati gli istogrammi delle tre serie di dati. Si noti che, in linea con quanto detto nella sezione 2, gli istogrammi sono stati costruiti considerando una stessa larghezza di bin pari a.1 s (circa 1/3 della deviazione standard). Quanto riportato in Figura 3 mostra che, come aspettato, all aumentare della numerosità del campione, la forma dell istogramma si avvicina (perlomeno qualitativamente) alla forma di una gaussiana. 3 misure 3 misure 3 misure numero di misure Figura 3: Istogrammi delle misure simulate del periodo del pendolo. In tutti e 3 gli istogrammi è stata utilizzata una stessa larghezza di bin pari a.1 s. Ora, nell ipotesi che i dati dovrebbero seguire la distribuzione normale (è l ipotesi di lavoro), possiamo valutare la bontà di questo accordo interpolando (fittando) gli istogrammi dei dati con delle gaussiane. A tal fine, dato che gli istogrammi in Figura 3 non sono 4
5 normalizzati, si può considerare un fit con una gaussiana del tipo f(x) = Ae (x µ)2 2σ 2 (5) dove le quantità A, µ e σ sono ora da vedersi come parametri. Un tale fit può essere realizzato con molti programmi al computer; ad esempio, questo può essere fatto con Excel, uno dei programmi più utilizzati dagli ingegneri. Sebbene uno dei metodi più utilizzati per l esecuzione dei fit parametrici sia quello dei minimi quadrati (come menzionato nelle note di Teoria degli Errori), talvolta nei programmi commerciali vengono utilizzati anche altri metodi. el caso attuale, volendo ottenere solo una valutazione qualitativa dell accordo tra la distribuzione normale e gli istogrammi dei dati, il particolare metodo di minimizzazione per il fit, non cambierà la sostanza del risultato. Viene, quindi, lasciata piena libertà nella scelta del metodo di fit. In alternativa al fit (o in aggiunta) potrebbe essere interessante confrontare gli istogrammi dei dati con delle gaussiane in cui ai parametri µ e σ si sostituiscono i corrispondenti valori di x e σ c del campione in esame. In tal caso, il parametro A della (5) dovrà essere dimensionato opportunamente in modo far si che la gaussiana si approssimi al meglio agli istogrammi. In Figura 4 mostriamo gli istogrammi già riportati in Figura 3 con sovrapposte le funzioni gaussiane, del tipo della (5), ottenute con il nostro fit. I valori dei parametri 3 misure 3 misure 3 misure numero di misure Figura 4: Istogrammi (linea nera) già mostrati Figura 3 con sovrapposte le rispettive interpolazioni le distribuzioni normali (linee rosse). ottenuti nei fit sono riportati in Tabella 2. A µ (s) σ (s) Tabella 2: Valori dei parametri ottenuti con il fit delle gaussiane per i gruppi di dati. Da un punto di vista visivo, la Figura 4 è eloquente nel mostrare come l accordo tra la distribuzione normale e l istogramma dei dati cresca all aumentare di. È però molto interessante fare anche un confronto tra i valori numerici di µ e σ ottenuti con i fit, e quelli di x e σ c dei rispettivi campioni. Come si vede i valori di µ e x sono in ottimo accordo già dal caso del campione meno numeroso ( = 3); inoltre, i loro valori si rivelano quasi indipendenti da (osserviamo 5
6 una fluttuazione solo sulla terza cifra decimale). A tale scopo, è interessante calcolare i valori delle deviazioni standard della media σ m che sappiamo essere pari a σ m = σ. In Tabella 3 sono riportati i valori dei σ m delle 3 serie di dati. Le entità di tali valori ci permettono di comprendere le piccole fluttuazioni di x e µ σ m = σc (s) Tabella 3: Valori della deviazione standard della media per le 3 serie di dati simulati. Anche tra i valori di σ c (del campione) e σ (del fit) vediamo un buon accordo. Le fluttuazioni sono maggiori di quelle riscontrate tra gli x e µ, ma l accordo è palese. 6
7 Schema di stesura della relazione della I a esperienza di Laboratorio di Fisica I Gruppo XX Udine GG/MM/AAAA TITOLO: Distribuzione Statistica delle Misure del Periodo di un Pendolo OGGETTO DELLA PROVA: Misura del periodo di oscillazione di un pendolo semplice: determinazione della distribuzione delle misure allo scopo di verificarne landamento secondo la legge normale. ellesperienza si dovranno effettuare tre serie di misure del periodo (con numero di dati crescenti; = 3, 1, 3) sulla base delle quali determinare le medie, le distribuzioni e i parametri statistici richiesti. CEI TEORICI: In base alle conoscenze acquisite ed alle nozioni impartite nella lezione teorica propedeutica alla presente esperienza di laboratorio riportare (sinteticamente) gli elementi della teoria degli errori necessari ai fini dellelaborazione dei dati. MISURE ED ELABORAZIOE DATI: Descrivere sinteticamente (in poche righe) le modalità con le quali si sono effettuate le misure. In particolare indicare: il valore scelto per langolo massimo delle oscillazioni del pendolo; il metodo con il quale si è verificato che lampiezza di oscillazione rispettasse langolo suddetto. Per ogni serie di misura riportare: il valore medio, x; la deviazione standard del campione, σ c ; l eventuale numero di eventi al di fuori dellintervallo [x 3σ c, x + 3σ c ] e, nel caso esso sia diverso da zero: la nuova determinazione del valor medio della misura; il nuovo valore della deviazione standard del campione; la deviazione standard della media, σ m ; l istogramma dei dati con sovrapposta la funzione di Gauss ottenuta con il fit; breve commento sulla simmetria dellistogramma e sugli eventuali discostamenti della distribuzione delle misure dalla distribuzione normale. A completamento della relazione riportare un breve commento finale sui risultati ottenuti. In particolare: fare un confronto tra gli istogrammi delle tre serie di misure commentandone la simmetria e l andamento allaumentare del numero di dati; dare una valutazione (propria del gruppo) sul successo o meno della verifica dell andamento normale della distribuzione delle misure; commentare i vari problemi e/o gli eventuali risultati negativi ottenuti e darne una possibile giustificazione fisica. 7
Generazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
Dettagliˆp(1 ˆp) n 1 +n 2 totale di successi considerando i due gruppi come fossero uno solo e si costruisce z come segue ˆp 1 ˆp 2. n 1
. Verifica di ipotesi: parte seconda.. Verifica di ipotesi per due campioni. Quando abbiamo due insiemi di dati possiamo chiederci, a seconda della loro natura, se i campioni sono simili oppure no. Ci
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliMISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE
MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE La distanza focale f di una lente convergente sottile è data dalla formula: da cui 1 f = 1 p + 1 q f = pq p + q dove p e q sono, rispettivamente, le
DettagliI laureati scuole di provenienza, durata degli studi, votazioni ed età
I laureati scuole di provenienza, durata degli studi, votazioni ed età Il campione in esame comprende gli 11450 laureati presso l Università di Lecce nel periodo maggio 1997 aprile 2004, corrispondente
DettagliCapitolo 3. Errori di misura. 3.1 L'incertezza nella misura
Interventi didattici integrativi Appunti di Fisica III 1 Capitolo 3 Errori di misura 3.1 L'incertezza nella misura 3.2 Le misure dirette 3.3 Serie di misure dirette 3.4 Le misure indirette 3.5 Procedimento
Dettagli2. Variabilità mediante il confronto di valori caratteristici della
2. Variabilità mediante il confronto di valori caratteristici della distribuzione Un approccio alternativo, e spesso utile, alla misura della variabilità è quello basato sul confronto di valori caratteristici
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliIl Metodo Scientifico
Unita Naturali Il Metodo Scientifico La Fisica si occupa di descrivere ed interpretare i fenomeni naturali usando il metodo scientifico. Passi del metodo scientifico: Schematizzazione: modello semplificato
DettagliUNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA
UNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA CORSO DI COSTRUZIONI IDRAULICHE A.A. 00-0 PROF. LUIGI DA DEPPO ING. NADIA URSINO ESERCITAZIONE N : Progetto
DettagliFUNZIONI CONTINUE - ESERCIZI SVOLTI
FUNZIONI CONTINUE - ESERCIZI SVOLTI 1) Verificare che x è continua in x 0 per ogni x 0 0 ) Verificare che 1 x 1 x 0 è continua in x 0 per ogni x 0 0 3) Disegnare il grafico e studiare i punti di discontinuità
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliEsercitazione Strumentazione virtuale
Esercitazione Strumentazione virtuale - 1 Esercitazione Strumentazione virtuale 1 - Oggetto Introduzione alla strumentazione virtuale. LabView: il pannello frontale e il diagramma a blocchi. Esempi: generatore
DettagliIntroduzione alla Teoria degli Errori
Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizio 1 (stima puntuale) In un processo di controllo di qualità, siamo interessati al numero mensile di guasti
DettagliEsercitazione # 6. a) Fissato il livello di significatività al 5% si tragga una conclusione circa l opportunità di avviare la campagna comparativa.
Statistica Matematica A Esercitazione # 6 DUE MEDIE CON VARIANZE NOTE: Esercizio # Le ditte A e B producono sfere luminose. Una volta attivata la reazione chimica che rende luminosa una di queste sfere,
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Misura dell associazione tra due caratteri Uno store manager è interessato a studiare la relazione
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliSistemi Web per il turismo - lezione 3 -
Sistemi Web per il turismo - lezione 3 - Software Si definisce software il complesso di comandi che fanno eseguire al computer delle operazioni. Il termine si contrappone ad hardware, che invece designa
DettagliCarta di credito standard. Carta di credito business. Esercitazione 12 maggio 2016
Esercitazione 12 maggio 2016 ESERCIZIO 1 Si supponga che in un sondaggio di opinione su un campione di clienti, che utilizzano una carta di credito di tipo standard (Std) o di tipo business (Bsn), si siano
DettagliLezione 12 Argomenti
Lezione 12 Argomenti Costi di produzione: differenza tra costo economico e costo contabile I costi nel breve periodo Relazione di breve periodo tra funzione di produzione, produttività del lavoro e costi
DettagliInfrastruttura telematica: visione d insieme Mauro Nanni
Infrastruttura telematica: visione d insieme Mauro Nanni Si sono fin qui presi in considerazione i singoli elementi che costituiscono l infrastruttura telematica delle scuole. Per utilizzare in modo semplice
DettagliRAPPRESENTAZIONE DEI DATI
Rappresentazione dei Dati RAPPRESENTAZIONE DEI DATI Quando si dispone di un alto numero di misure della stessa grandezza fisica è opportuno organizzarle in modo da rendere evidente Quandoil si loro dispone
DettagliL indagine statistica
1 L indagine statistica DEFINIZIONE. La statistica è quella disciplina che si occupa della raccolta di dati quantitativi relativi a diversi fenomeni, della loro elaborazione e del loro utilizzo a fini
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliIndice Aspetti generali sul campionamento da popolazioni finite Campionamento probabilistico Disegno campionario semplice
Indice 1 Aspetti generali sul campionamento da popolazioni finite.. 1 1.1 Rilevazionicensuarieerilevazionicampionarie... 1 1.2 Lineemetodologichediunarilevazionestatistica... 3 1.3 Popolazioni, etichette,
DettagliIl campionamento statistico. prof. C.Guida
Il campionamento statistico prof. C.Guida Per determinare le caratteristiche fondamentali di una popolazione statistica non è sempre necessario analizzare tutta la popolazione, ma risulta sufficiente esaminare
Dettagli7. Si confronti la variabilità del carattere età nel gruppo dei maschi ed in quello delle femmine.
Esercizio n. 1 Da un collettivo di 20 individui si è rilevata la seguente distribuzione univariata multipla relativa ai caratteri età, sesso, numero di automobili possedute: unità età sesso n.auto 1 35
DettagliIllustrazione 1: Telaio. Piantanida Simone 1 G Scopo dell'esperienza: Misura di grandezze vettoriali
Piantanida Simone 1 G Scopo dell'esperienza: Misura di grandezze vettoriali Materiale utilizzato: Telaio (carrucole,supporto,filo), pesi, goniometro o foglio con goniometro stampato, righello Premessa
DettagliGrafici delle distribuzioni di frequenza
Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma
DettagliPrincipi e Metodologie della Progettazione Meccanica
Principi e Metodologie della Progettazione Meccanica ing. F. Campana a.a. 06-07 Lezione 11: CAE e Ottimizzazione Strutturale Il ruolo dell ottimizzazione nell ambito della progettazione meccanica Durante
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliFisica con gli smartphone. Lezioni d'autore di Claudio Cigognetti
Fisica con gli smartphone Lezioni d'autore di Claudio Cigognetti VIDEO I SENSORI IN UNO SMARTPHONE Oggi la miniaturizzazione dei sensori indicati con l acronimo inglese MEMS (sistemi microelettronici e
DettagliITCS Erasmo da Rotterdam. Anno Scolastico 2014/2015. CLASSE 4^ M Costruzioni, ambiente e territorio
ITCS Erasmo da Rotterdam Anno Scolastico 014/015 CLASSE 4^ M Costruzioni, ambiente e territorio INDICAZIONI PER IL LAVORO ESTIVO DI MATEMATICA e COMPLEMENTI di MATEMATICA GLI STUDENTI CON IL DEBITO FORMATIVO
DettagliCorso di Laurea in Ingegneria Informatica Analisi Numerica
Corso di Laurea in Ingegneria Informatica Lucio Demeio Dipartimento di Scienze Matematiche 1 2 Analisi degli errori Informazioni generali Libro di testo: J. D. Faires, R. Burden, Numerical Analysis, Brooks/Cole,
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliMINISTERO DELL'ISTRUZIONE, DELL'UNIVERSITÀ, DELLA RICERCA SCUOLE ITALIANE ALL ESTERO
Sessione Ordinaria in America 4 MINISTERO DELL'ISTRUZIONE, DELL'UNIVERSITÀ, DELLA RICERCA SCUOLE ITALIANE ALL ESTERO (Americhe) ESAMI DI STATO DI LICEO SCIENTIFICO Sessione Ordinaria 4 SECONDA PROVA SCRITTA
DettagliEsempio di introduzione. della statistica a scuola
1 Esempio di introduzione della statistica a scuola 2 3 4 5 RAPPRESENTAZIONE GRAFICA (EXCEL) IMPARARE A DEDURRE E IPOTIZZARE DAI VARI TIPI DI GRAFICI 6 La rappresentazione grafica: impariamo a rappresentare
DettagliLa fisica e la misura
La fisica e la misura La fisica è una scienza fondamentale che ha per oggetto la comprensione dei fenomeni naturali che accadono nel nostro universo. È basata su osservazioni sperimentali e misure quantitative
DettagliGli asintoti di una funzione sono rette, quindi possono essere: rette verticali o rette orizzontali o rette oblique.
Asintoti Gli asintoti di una funzione sono rette, quindi possono essere: rette verticali o rette orizzontali o rette oblique. Asintoti verticali Sia 0 punto di accumulazione per dom(f). La retta = 0 è
DettagliDefinizione Dati due insiemi A e B, contenuti nel campo reale R, si definisce funzione reale di variabile reale una legge f : A
Scopo centrale, sia della teoria statistica che della economica, è proprio quello di esprimere ed analizzare le relazioni, esistenti tra le variabili statistiche ed economiche, che, in linguaggio matematico,
Dettagli7 Disegni sperimentali ad un solo fattore. Giulio Vidotto Raffaele Cioffi
7 Disegni sperimentali ad un solo fattore Giulio Vidotto Raffaele Cioffi Indice: 7.1 Veri esperimenti 7.2 Fattori livelli condizioni e trattamenti 7.3 Alcuni disegni sperimentali da evitare 7.4 Elementi
DettagliAnalisi statistica degli errori
Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale
DettagliMetodi di Distanza. G.Allegrucci riproduzione vietata
Metodi di Distanza La misura più semplice della distanza tra due sequenze nucleotidiche è contare il numero di siti nucleotidici che differiscono tra le due sequenze Quando confrontiamo siti omologhi in
Dettaglidifferiticerti.notebook November 25, 2010 nov 6 17.29 nov 6 17.36 nov 6 18.55 Problemi con effetti differiti
Problemi con effetti differiti sono quelli per i quali tra il momento di sostentamento dei costi ed il momento di realizzo dei ricavi intercorre un certo lasso di tempo. Nei casi in cui il vantaggio è
Dettagli7 Esercizi e complementi di Elettrotecnica per allievi non elettrici. Circuiti elementari
7 Esercizi e complementi di Elettrotecnica per allievi non elettrici Circuiti elementari Gli esercizi proposti in questa sezione hanno lo scopo di introdurre l allievo ad alcune tecniche, semplici e fondamentali,
DettagliCapitolo 9. Esercizio 9.1. Esercizio 9.2
Capitolo 9 Esercizio 9.1 Considerare lo relazione in figura 9.19 e individuare le proprietà della corrispondente applicazione. Individuare inoltre eventuali ridondanze e anomalie nella relazione. Docente
DettagliIl Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo
Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO Pasquale Iandolo Laboratorio analisi ASL 4 Chiavarese, Lavagna (GE) 42 Congresso Nazionale SIBioC Roma
DettagliIntroduzione all analisi dei segnali digitali.
Introduzione all analisi dei segnali digitali. Lezioni per il corso di Laboratorio di Fisica IV Isidoro Ferrante A.A. 2001/2002 1 Segnali analogici Si dice segnale la variazione di una qualsiasi grandezza
DettagliPotenziamento degli apprendimenti nell area logico matematica
Potenziamento degli apprendimenti nell area logico matematica Dirigente scolastico Dott.sa Maria Salvia Docente Babusci Marina Se dobbiamo decidere in quale supermercato conviene andare a fare la spesa,
Dettagli0.1 Esercizi calcolo combinatorio
0.1 Esercizi calcolo combinatorio Esercizio 1. Sia T l insieme dei primi 100 numeri naturali. Calcolare: 1. Il numero di sottoinsiemi A di T che contengono esattamente 8 pari.. Il numero di coppie (A,
DettagliI costi d impresa (R. Frank, Capitolo 10)
I costi d impresa (R. Frank, Capitolo 10) COSTI Per poter realizzare la produzione l impresa sostiene dei costi Si tratta di scegliere la combinazione ottimale dei fattori produttivi per l impresa È bene
DettagliErrori di una misura e sua rappresentazione
Errori di una misura e sua rappresentazione Il risultato di una qualsiasi misura sperimentale è costituito da un valore numerico (con la rispettiva unità di misura) ed un incertezza (chiamata anche errore)
DettagliAccuratezza di uno strumento
Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente
DettagliStudio di funzione. Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2
Studio di funzione Copyright c 2009 Pasquale Terrecuso Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2 Studio di funzione
DettagliSOLUZIONE ESERCIZIO 1.1
SOLUZIONE ESERCIZIO 1.1 La temperatura di fusione ed il coefficiente di espansione termica di alcuni metalli sono riportati nella tabella e nel diagramma sottostante: Metallo Temperatura di fusione [ C]
DettagliLa Distribuzione Normale (Curva di Gauss)
1 DISTRIBUZIONE NORMALE o CURVA DI GAUSS 1. E la più importante distribuzione statistica continua e trova numerose applicazioni nello studio dei fenomeni biologici. 2. Fu proposta da Gauss (1809) nell'ambito
DettagliUniversità degli studi di Foggia SSIS D.M.85 2005 Laboratorio di didattica della matematica finanziaria Classe 17/A
Università degli studi di Foggia SSIS D.M.85 2005 Laboratorio di didattica della matematica finanziaria Classe 17/A Appunti sull utilizzo di Excel per la soluzione di problemi di matematica finanziaria.
DettagliEsercitazione n o 3 per il corso di Ricerca Operativa
Esercitazione n o 3 per il corso di Ricerca Operativa Ultimo aggiornamento October 17, 2011 Fornitura acqua Una città deve essere rifornita, ogni giorno, con 500 000 litri di acqua. Si richiede che l acqua
DettagliUNITA DI MISURA BASE
Revisione del 2/9/15 ISTITUTO TECNICO INDUSTRIALE V.E.MARZOTTO Valdagno (VI) Corso di Fisica prof. Nardon UNITA DI MISURA BASE Richiami di teoria Il Sistema Internazionale (S.I.) di unità di misura è composto
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva
Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliStatistica descrittiva
Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di indicatori sintetici che individuano, con un singolo valore, proprieta` statistiche di un campione/popolazione rispetto
DettagliDomanda e offerta. consumatori di un bene/servizio per ciascun livello di prezzo del bene/servizio preso
. . La funzione di domanda La funzione di domanda (o curva di domanda) rappresenta la quantità domandata dai consumatori di un bene/servizio per ciascun livello di prezzo del bene/servizio preso in considerazione.
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA Facoltà di Ingegneria
PRIMA PROVA SCRITTA DEL 30 NOVEMBRE 2011 Tema n. 1 Il candidato descriva sinteticamente le fasi che caratterizzano la progettazione di una scuola di medie dimensioni con riferimento ai documenti progettuali
DettagliQUANTIZZAZIONE diverse fasi del processo di conversione da analogico a digitale quantizzazione
QUANTIZZAZIONE Di seguito lo schema che illustra le diverse fasi del processo di conversione da analogico a digitale. Dopo aver trattato la fase di campionamento, occupiamoci ora della quantizzazione.
DettagliPiano di lavoro di Matematica
ISTITUTO DI ISTRUZIONE SUPERIORE Liceo Scientifico ALDO MORO Istituto to Tecnico Via Gallo Pecca n. 4/6-10086 Rivarolo Canavese Tel 0124 454511 - Fax 0124 454545 - Cod. Fiscale 85502120018 E-mail: segreteria@istitutomoro.it
DettagliStatistica Applicata all edilizia Lezione 3: i numeri indice
Lezione 3: i numeri indice E-mail: orietta.nicolis@unibg.it 24 marzo 2009 Programma Programma Operazioni statistiche elementari Vengono utilizzate per confrontare fenomeni nel tempo (nello stesso luogo
DettagliPAESAGGIO E MARKETING DEI TERRITORI E DEI PRODOTTI VITIVINICOLI. Tiziano Tempesta
PAESAGGIO E MARKETING DEI TERRITORI E DEI PRODOTTI VITIVINICOLI Tiziano Tempesta Cos è il paesaggio? Il paesaggio è la percezione (prevalentemente visiva) che l uomo ha dell ambiente che lo circonda La
Dettagli!!!"! ARTECO MOTION TECH SpA - Via Mengolina, 22 48018 Faenza (RA) Italy Tel. +39 0546 645777 Fax +39 0546 645750 info@arteco.it - www.arteco-cnc.
!!!"! #$% &'() (*+,$---'() *))) # Copyright Arteco Motion Tech S.p.A. 2003 Le informazioni contenute in questo manuale sono di proprietà della Arteco Motion Tech SpA e non possono essere riprodotte né
DettagliEsercizi di Matematica Finanziaria
Università degli Studi di Siena Facoltà di Economia Esercizi di Matematica Finanziaria relativi ai capitoli V-X del testo Claudio Pacati a.a. 1998 99 c Claudio Pacati tutti i diritti riservati. Il presente
DettagliAREA LOGICO - MATEMATICA TEMA PARI E DISPARI
ESTENSIONE DEL METODO BRIGHT START UNITA COGNITIVE DI RIFERIMENTO RELAZIONI QUANTITATIVE CONFRONTI CLASSE SECONDA A TEMPO PIENO- SCUOLA ELEMENTARE C. CAVOUR SANTENA AREA LOGICO - MATEMATICA TEMA PARI E
DettagliQUALIMEDLAB. Guida al sito
QUALIMEDLAB Guida al sito rev. /04 Indice pag. 3 pag. 4 pag. 5 pag. 9 pag. 0 Come accedere all area riservata RTCQI Pagina iniziale RTCQI Inserimento dati RTCQI Report on line Carte di controllo interattive
DettagliAbbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili:
Incertezze di misura Argomenti: classificazione delle incertezze; definizione di incertezza tipo e schemi di calcolo; schemi per il calcolo dell incertezza di grandezze combinate; confronto di misure affette
DettagliOnline Gradient Descent
F94 Metodi statistici per l apprendimento Online Gradient Descent Docente: Nicolò Cesa-Bianchi versione 9 aprile 06 L analisi del Perceptrone ha rivelato come sia possibile ottenere dei maggioranti sul
Dettagli5 DERIVATA. 5.1 Continuità
5 DERIVATA 5. Continuità Definizione 5. Sia < a < b < +, f : (a, b) R e c (a, b). Diciamo che f è continua in c se sono verificate le ue conizioni: (i) c esiste (ii) = f(c) c Si osservi che nella efinizione
DettagliLABORATORIO EXCEL XLSTAT 2008 SCHEDE 2 e 3 VARIABILI QUANTITATIVE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) LABORATORIO EXCEL
DettagliUNIVERSITA' CATTOLICA DEL SACRO CUORE. Valutazione della soddisfazione degli studenti a.a. 2011-2012. Riepilogo delle valutazioni fornite
Pagina 1 di UNIVERSITA' CATTOLICA DEL SACRO CUORE Valutazione della soddisfazione degli studenti a.a. 011-01 (Legge 0/1) Riepilogo delle valutazioni fornite Rapporto statistico relativo al corso di laurea
DettagliAi fini della comprensione e risoluzione corretta de problema risulta molto utile rappresentarne la trasformazione su un diagramma SY.
Silvia Tosini matr. 146697 Lezione del 31/1/3 ora 1:3-1:3 (6(5&,,' (6$( &RQVLJOLSHUXQDJLXVWDOHWWXUDGHLGDWL Si ricorda che le cifre in lettere: A B C D E F dei dati si riferiscono rispettivamente al primo,
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliMATEMATICA e COMPLEMENTI di MATEMATICA
ALLEGATO N.8_b MATEMATICA e COMPLEMENTI di MATEMATICA DESTINATARI gli studenti delle classi: terze e quarte nuovo ordinamento RISULTATI DI APPRENDIMENTO DELL OBBLIGO D ISTRUZIONE, CHIAVE EUROPEA Padroneggiare
DettagliRecenti Scoperte Scientifiche in Ottica
Recenti Scoperte Scientifiche in Ottica Luca Salasnich Dipartimento di Fisica e Astronomia Galileo Galilei, Università di Padova, Italy Padova, 26 Maggio 2014 Secondo Meeting di Ottica e Optometria a Padova
DettagliPSICOMETRIA. Esercitazione n.1. C.d.L. Comunicazione e Psicologia a.a. 2012/13
PSICOMETRIA Esercitazione n.1 C.d.L. Comunicazione e Psicologia a.a. 2012/13 ESERCITAZIONE 1: INDICE 1. Informazioni di carattere generale sulle esercitazioni 2. Il foglio di calcolo (Excel) 3. Avviare
Dettaglil insieme delle misure effettuate costituisce il campione statistico
Statistica negli esperimenti reali si effettuano sempre un numero finito di misure, ( spesso molto limitato ) l insieme delle misure effettuate costituisce il campione statistico Statistica descrittiva
DettagliVBA è un linguaggio di scripting derivato da Visual Basic, da cui prende il nome. Come ogni linguaggio ha le sue regole.
Excel VBA VBA Visual Basic for Application VBA è un linguaggio di scripting derivato da Visual Basic, da cui prende il nome. Come ogni linguaggio ha le sue regole. 2 Prima di iniziare. Che cos è una variabile?
DettagliClub Alpino Italiano. Commissione Lombarda Materiali e Tecniche
Club Alpino Italiano Commissione Lombarda Materiali e Tecniche L ASSICURAZIONE IN PARETE: L IMPORTANZA DELL ALTEZZA DELLA PRIMA PROTEZIONE E DI UNA CORRETTA ASSICURAZIONE PER RIDURRE I RISCHI DI IMPATTO
DettagliPROGRAMMA FT-Graph-2
PROGRAMMA FT-Graph-2 PROGRAMMA DI SVILUPPO GRAFICO CON STAMPA Elaborazione grafica con selezione dei dati. Si possono graficare e stampare tutti i file relativi alle apparecchiature della ECONORMA S.a.s.
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V
Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows.
DettagliCorso di Politica Economica
Corso di Politica Economica Lezione 12: Introduzione alla Teoria dei Giochi (part 3) David Bartolini Università Politecnica delle Marche (Sede di S.Benedetto del Tronto) d.bartolini@univpm.it (email) http://utenti.dea.univpm.it/politica
DettagliCapitolo 9: PROPAGAZIONE DEGLI ERRORI
Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto
DettagliStatistica descrittiva
Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento
DettagliDISTRIBUZIONI DI PROBABILITÀ
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI
DettagliLibri di testo (suggeriti)
AVVISO: dal prossimo mercoledì, faremo lezione 14:00 16:00 Fino ad avviso contrario, sempre nell aula P2 Sito del corso http://www.di.unisa.it/professori/zizza/lab_bio/inizio.htm Libri di testo (suggeriti)
DettagliESERCIZI DEL CORSO DI INFORMATICA
ESERCIZI DEL CORSO DI INFORMTIC Questa breve raccolta di esercizi vuole mettere in luce alcuni aspetti della prima parte del corso e fornire qualche spunto di riflessione. Il contenuto del materiale seguente
DettagliSyllabus: argomenti di Matematica delle prove di valutazione
Syllabus: argomenti di Matematica delle prove di valutazione abcdef... ABC (senza calcolatrici, senza palmari, senza telefonini... ) Gli Argomenti A. Numeri frazioni e numeri decimali massimo comun divisore,
DettagliL occupazione delle camere nelle strutture ricettive liguri nel trimestre gennaio-marzo
Occupazione camere gennaio-marzo 2012-2013 per tipologia ricettiva (%) Alberghiero 29,8 29,7 32,5 Open air 24,3 24,6 28,0 Altro extralberghiero 19,9 18,0 24,4 Variazione 2012- Alberghiero -1,9-2,5-3,7
DettagliRIDUZIONE DELLE DISTANZE
RIDUZIONE DELLE DISTANZE Il problema della riduzione delle distanze ad una determinata superficie di riferimento va analizzato nei suoi diversi aspetti in quanto, in relazione allo scopo della misura,
DettagliUnità di misura di lunghezza usate in astronomia
Unità di misura di lunghezza usate in astronomia In astronomia si usano unità di lunghezza un po diverse da quelle che abbiamo finora utilizzato; ciò è dovuto alle enormi distanze che separano gli oggetti
DettagliELEMENTI DI STATISTICA PER IDROLOGIA
Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ELEMETI DI STATISTICA PER IDROLOGIA Introduzione Una variabile si dice casuale quando assume valori che dipendono
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 4. Esercizi di Inferenza Statistica Gianmarco Altoè Dipartimento di Psicologia Università di Cagliari, Anno Accademico 2011-2012 Esercizio 4.1 - I due esami Nella seguente
Dettagli